GigaChat 3.5 Ultra. Обзор новой флагманской модели Сбера

6 июля 2026 года команда Сбера представила свою новую флагманскую модель искусственного интеллекта под названием GigaChat 3.5 Ultra. Релиз стал результатом действительно большой работы. По словам самих разработчиков, прежде чем прийти к финальной версии, команда провела более 1,5 тыс. отдельных экспериментов с данными, архитектурой и способом обучения модели. Такое количество проб и ошибок неудивительно. Ведь компания решила пойти не самым простым путем и не просто немного доработать предыдущую версию, а создать во многом новую архитектуру с нуля.

Ускоренный GigaChat

Пожалуй, главная новость этого релиза в том, что новая модель стала заметно компактнее предыдущей. При этом она осталась ничуть не слабее, а по некоторым направлениям даже сильнее, чем раньше. Если предыдущая флагманская модель компании насчитывала около 700 млрд. параметров (внутренних настроек, которые определяют поведение нейросети), то новая версия обходится примерно 432 млрд. А это почти на 40 % меньше. Как и многие современные крупные модели, GigaChat 3.5 Ultra устроена по принципу смеси экспертов: внутри системы работает множество более узких специализированных блоков, и для обработки каждого конкретного запроса включается лишь часть из них, а не вся модель целиком. Благодаря этому даже такая большая модель работает достаточно экономно по вычислительным ресурсам.

Для ускорения работы с длинными текстами разработчики создали гибридную архитектуру на основе линейного внимания GatedDeltaNet. Она позволяет сохранять контекст без постоянного пересчета всего текста.

Отметим, что за счет этого обработка объемных документов ускорилась в разработке до 4 раз. Вместе с этим механизмом команда применила и специальную технологию сжатия памяти модели, заметно уменьшающей объем данных, которые системе нужно держать в оперативной памяти во время работы с длинным контекстом. Данная особенность дополнительно ускоряет и удешевляет использование модели.

Данные, обучение и результаты тестов

Что касается данных, на которых обучалась модель, здесь команда тоже пересмотрела прежний подход. Раньше при подготовке крупных моделей часто активно использовали искусственно сгенерированные тексты, но, по признанию самих разработчиков, при обучении на сотнях миллиардов параметров и триллионах слов такой синтетический материал со временем начинает повторяться и терять разнообразие. По данной причине модель хуже справляется с реальными жизненными сценариями. Поэтому для новой версии команда сделала ставку на настоящие, живые тексты, в первую очередь взятые из открытого интернета. Разработчики даже пропустили огромный массив веб-страниц через собственную систему на основе языковых моделей. Данная система превращает неаккуратную веб-разметку в чистый и структурированный текст с сохранением формул и общей структуры документа вместо привычной путаницы из технических тегов и лишнего мусора.

Что известно о модели и ее перспективах

На внутренних тестах новая модель превзошла предыдущую флагманскую версию сразу по нескольким направлениям: она заметно лучше справляется с задачами программирования, точнее решает математические задачи, эффективнее анализирует документы и увереннее выполняет запросы на русском языке. Отдельно разработчики подчеркивают, что модель научили выполнять сложные многошаговые задачи, для решения которых требуется несколько последовательных действий, а не просто один прямой ответ на вопрос. Все это делает ее пригодной для создания на ее основе цифровых помощников и автоматизированных сценариев. По совокупным результатам после всех этапов дополнительного обучения компания сравнивает свою новую модель с известной китайской моделью DeepSeek V3.2. Отмечается, что российская разработка при этом остается примерно в 1,5 раза компактнее по числу параметров и показывает сопоставимое качество меньшими вычислительными затратами.

Заключение

Эксперты Креатор Проджект отмечают, что в самом официальном анонсе компания не раскрыла некоторые технические детали, которые обычно интересуют более продвинутых пользователей. В частности, загадкой остался точный размер окна контекста, то есть того объема текста, который модель способна одновременно удерживать в памяти при работе. Судя по всему, за более подробными техническими характеристиками стоит обращаться напрямую к документации на площадках, где опубликованы открытые веса модели.

В целом релиз GigaChat 3.5 Ultra хорошо укладывается в общую картину бурного развития российского рынка искусственного интеллекта в последний год – крупные отечественные компании все увереннее конкурируют не только между собой, но и с ведущими зарубежными разработками. Причем делают это все чаще именно через открытые и бесплатные для всех модели.

Olga Lammers

Разбор и оценка ИИ-моделей и проектов, внимательно отслеживает развитие технологий и тенденции в области искусственного интеллекта. Аналитические обзоры помогают понять принципы работы ИИ, их возможности и ограничения, дает рекомендации по использованию инновационных решений в различных сферах. Делает сложные темы доступными для широкой аудитории.